《数据结构与算法分析 C++描述》之图论算法理解1

 

深度优先搜索的应用包括三部分：割点（无向图），欧拉回路（无向图），强分支（有向图）。

首先，理解所谓深度优先搜索。即前序遍历的一种形式。其特点是每次搜索的深度优先生成树必然是图的一个连通分量，总沿着路径一直触及到最深处才逐步返回。深度优先搜索形成森林的原因：(1)不连通的无向图(2)非强连通的有向图。对无向图，很确定地有几个连通域就有几棵树；对有向图，左树（先生成的树）的所有元素都不会指向右边树的任何元素，否则，生成树时一定能够遍历过去。而一棵树内部又可能有好几个双连通域，采用后序遍历编号后，只能说在树内部，大编号的顶点一定能到达小编号的顶点。

无向图的割点。一个割点将图分为两部分，两部分之间的顶点必须通过该割点才能连接上。若从A部分为起点深度优先遍历，则B部分的所有顶点编号必然在割点之后。而A的顶点可以分为两部分，编号比割点小的A_Small（在进入割点之前遍历）和编号比割点大（在出了割点之后遍历）的A_Big。下面考虑两种双连通的可能性：（1）假如B的顶点反向边触及到了A_Small，那么其Low值将会比割点小；（2）假如B的顶点正向边触及到了A_Big，那么遍历B时能直接遍历到A_Big，A_Big就不可能是A_Big，而是B，这种情况不存在。综上，B部分要想不被割点阻隔，只能利用一条反向边直达割点之前的某一点，及反向边儿子的Num小于割点的Num，仅此一条出路。那么，Low的定义如下：

    Low(v) = Min( Num(v) , 树儿子中最小Low(w), 反向边儿子中最小Num(w) )

也就是说，顶点v能够触及到的最小顶点编号Low(v)要么是自己反向边触到的顶点号Num(w)（必然比自己Num(v)小），要么是自己儿子能触及到的最小顶点号（我能触到我儿子，所以儿子能触到的就是老子能触到的），实在不行就只能认命选自己的编号Num(v)。到现在就可以定义割点的条件了：如果某一个顶点v竭其所能能够触及到的最小顶点编号Low(v)都没有到达其父顶点之前的某一个顶点，那么只能接受被父亲隔离的现实。所以结论是：某一顶点如果存在一个儿子的Low（w）>=Num（v），那么这个顶点就是一个割点，它隔离这个儿子；某一顶点如果所有儿子都满足Low（w）< Num（v），那么说明它所有儿子都触及到了老子前面的顶点，一个儿子也没隔离住，这就不是一个割点。

无向图的欧拉回路。这个比较简单，前提是每个顶点连接的边数必须为偶。那么从起点深度优先遍历吧，无向图是连通的，必然能回到源点。如：a,b,d,e,d,a。那么再。从b开始深度优先遍历（如果a已经没有连接的边了），得b,w,o,b，合并a,b，w,o,b,d,e,d,a。下一个考察w,以此直到不再存在边。自我感觉，欧拉回路用到的深度优先遍历唯一地方是：利用深度优先搜索一条回到自己的路径。

有向图的强分支。即寻找哪些点集是彼此之间是强连通的。依据是，如果a->b->c，并且a<-b-<c那么a,b,c就是一个强连通域。方法是依据的简单实现：两次建立深度优先生成森林。（1）建立深度优先生成森林。根据深度优先搜索性质，左树不会指向右树，因而强分支在每棵树的内部。（2）根据第一棵树，进行后序遍历编码。之所以后序编码，是为了保证根永远比叶子大，即在a->b->c中a>b>c，服务于第三步。（3）建立第二个深度优先生成森林。将原图G所有有向边反向得图Gr，利用(2)中的编码大小，从大到小的顺序开始深度优先遍历，这样做的效果是：新遍历中，在森林1的顶点，右树先于左树（G中左树不会指向右树，因而Gr中右树不会指向左树，树与树彼此保持独立）；原树内部中，依然按照原树的顶点顺序开始搜索，只不过边都反向了。如果第二次还能组成树的顶点之间就满足了a->b->c，并且a<-b-<c的条件，即，强连通分支。